결과
114/250 (상위 46%)
코드
https://colab.research.google.com/drive/10vwjU62GcwKWN9ehU-01lORoJAP8WOj8#scrollTo=OGkiaInaZSLc
복기
custom dataset을 사용하고, 나머지는 baseline을 참고하여 구축했다. 앙상블을 하지 않고, fold, TTA를 하지 않은 것, model을 yolov5와 같은 성능이 좋은 것이 있음에도 다른 것을 고집한 것, baseline을 딴 후, yolov5에 대한 코드 공유가 있었는데, 따라했어야 했다. 데이터가 너무 많아 오래걸린다면 model을 일단 학습시키기 위해 학습 데이터를 줄이거나 모델을 바꾸거나 하는 것이 좋지 않았나 싶다.
학습 시간
데이터가 너무 많아서 학습을 하고 파일로 출력하는데 너무 오랜 시간이 걸렸다. 이를 해결하는 방법을 공부해봐야 할 것 같다.
방법으로 parameter이나 weight 등의 시간이 오래걸리는 요소들을 파일로 저장/불러오기하면 시간이 단축되지 않을까 여러 번 돌려야 할 필요도 없고, 런타임이 끊기더라도 다시 불러오기만 하면 되니까
GPU 공간
gpu가 부족할 경우 해결 방법으로는 batch size를 줄이면 된다.
CUSTOM
- custom dataset
- custom transform
Custom Dataset
Custom Transform
Custom Model
대회때는 pretrained model을 사용하더라도 자기만의 model을 만들 줄 알면서 사용하는 것과 몰라서 사용하는 것에는 큰 차이가 있다. 따라서 custom model을 공부한다.
Shell
코드가 많을 경우 파일을 나눠서 사용해야 할 것이다. detect.py model.py 등과 같은 기능별 파일을 만들어 수행하는 방법을 공부한다.
Model
상위 랭커분들이 yolov5 + MMdetection을 사용했기에 이를 사용하여 detection 하는 방법을 공부한다.
앙상블
약 10개의 모델을 앙상블하는 모습을 볼 수 있으므로 앙상블하는 방법을 공부한다. BBox를 앙상블하는 방법은 Weighted Boxes Fusion를 사용한다. 이 때, 모델 학습 + TTA(test time augmentation) 도 함께 앙상블한다.
COCO dataset Tranfer
대회 데이터 format에서 COCO 데이터 format으로 변형해야 한다. COCO라 함은 id, image_id, area, bbox, iscrowd 이와 같은 것들이다.
fold split
Kfold를 사용하여 적용해봐야 한다. 따라서 Kfold를 사용하여 모델을 구축하는 방법을 공부한다.
MMDetection / yolov5
MMdetection 와 yolov5를 실제로 적용하는 방법을 공부해야 한다. yolov5를 공부했지만 다시해야 할 것이고, MMDetection은 이제 공부를 시작하자.
